TÉCNICAS DE PROCESSAMENTO DE IMAGENS PARA TREINAMENTO DE FOTOINTERPRETES NA AVALIAÇÃO VISUAL DE ÁREAS ÚMIDAS E DE MANCHAS E CICATRIZES DE QUEIMADAS OU INCÊNDIOS

Abstract

Áreas úmidas são um dos ecossistemas mais valiosos da Terra, que estão submetidas a forte pressão antrópica (queimadas) e processos naturais como os incêndios. O Pantanal Sul-mato-grossense é um exemplo. O monitoramento em larga escala de áreas úmidas é de grande importância, mas também desafiador. Utilizou-se acervo de imagens do satélite Sentinel-2 cena de 11 de setembro de 2018, para caracterização e monitoramento do Pantanal Sul-mato-grossense. O objetivo consistiu em avaliar técnicas de realce e de composição de bandas espectrais para a identificação de padrões na superfície de áreas úmidas e de queimadas e incêndios na borda do Pantanal Sul-mato-grossense. A pesquisa selecionou duas áreas amostrais submetidas ao processo de realce espacial utilizando a técnica de reamostragem por pixels. Recomenda-se a composição SWIR 2M(12)NIR(8)BLUE(2) como a mais adequada para interpretação visual de áreas úmidas e de cicatrizes e manchas de queimadas ou incêndios. A interpretação visual é um recurso ágil para uma primeira aproximação no processo de avaliação e tomada de decisão em termos de ações de monitoramento espacial e temporal em áreas úmidas.

Full text

TÉCNICAS DE PROCESSAMENTO DE IMAGENS PARA
TREINAMENTO DE FOTOINTERPRETES NA AVALIAÇÃO VISUAL
DE ÁREAS ÚMIDAS E DE MANCHAS E CICATRIZES DE
QUEIMADAS OU INCÊNDIOS
Isadora Taborda Silva1; Dhonatan Diego Pessi2;
Normandes Matos da Silva3; Camila Leonardo
Mioto4; Eliane Guaraldo5; Antonio Conceição
Paranhos Filho6
1Mestre em Tecnologias Ambientais, Programa de Pós-
Graduação em Tecnologias Ambientais, Universidade Federal de
Mato Grosso do Sul (UFMS), Campo Grande/MS, Brasil.
ORCID: https://orcid.org/0000-0001-9053-4329
Email: isah.taborda@gmail.com
2Doutorando em Tecnologias Ambientais, Programa de Pós-
Graduação em Tecnologias Ambientais, Universidade Federal de
Mato Grosso do Sul (UFMS), Campo Grande/MS, Brasil.
ORCID: http://orcid.org/0000-0003-0781-785X
Email: dhonatan.diego@ufms.br
3Doutor em Ecologia de Ecossistemas Terrestres e Aquáticos pela
USP, Professor Associado do Instituto de Ciências Agrárias e
Tecnológicas (ICAT), Universidade Federal de Rondonópolis
(UFR), Rondonópolis/MS, Brasil.
ORCID: https://orcid.org/0000-0002-4631-9725
Email: normandes@ufr.edu.br
4Doutora em Saneamento Ambiental e Recursos Hídricos pela
UFMS, Professora Adjunta A2 do Instituto de Ciências Agrárias
e Tecnológicas (ICAT), Universidade Federal de Rondonópolis
(UFR), Rondonópolis/MS, Brasil.
ORCID: https://orcid.org/0000-0002-6951-9527
Email: ea.mioto@gmail.com
5Doutora em Estruturas Ambientais Urbanas pela USP,
Professora Associada da Faculdade de Engenharias, Arquitetura
e Urbanismo e Geografia (FAENG), Universidade Federal de
Mato Grosso do Sul (UFMS), Campo Grande/MS, Brasil.
ORCID: https://orcid.org/0000-0003-2526-1293
Email: eliane.guaraldo@gmail.com
6Livre-Docente pelo Instituto de Geociências da USP, Professor
Titular da Faculdade de Engenharias, Arquitetura e Urbanismo e
Geografia (FAENG), Universidade Federal de Mato Grosso do
Sul (UFMS), Campo Grande/MS, Brasil.
ORCID: https://orcid.org/0000-0002-9838-5337
Email: antonio.paranhos@ufms.br
Resumo
Áreas úmidas são um dos ecossistemas mais valiosos da Terra,
que estão submetidas a forte pressão antrópica (queimadas) e
processos naturais como os incêndios. O Pantanal Sul-mato-
grossense é um exemplo. O monitoramento em larga escala de
áreas úmidas é de grande importância, mas também desafiador.
Utilizou-se acervo de imagens do satélite Sentinel-2 cena de 11
de setembro de 2018, para caracterização e monitoramento do
Pantanal Sul-mato-grossense. O objetivo consistiu em avaliar
técnicas de realce e de composição de bandas espectrais para a
identificação de padrões na superfície de áreas úmidas e de
queimadas e incêndios na borda do Pantanal Sul-mato-grossense.
A pesquisa selecionou duas áreas amostrais submetidas ao
processo de realce espacial utilizando a técnica de reamostragem
por pixels. Recomenda-se a composição SWIR
2M(12)NIR(8)BLUE(2) como a mais adequada para
interpretação visual de áreas úmidas e de cicatrizes e manchas de
queimadas ou incêndios. A interpretação visual é um recurso ágil
para uma primeira aproximação no processo de avaliação e
tomada de decisão em termos de ações de monitoramento espacial
e temporal em áreas úmidas.
Palavras-chave: Áreas alagáveis; Pantanal; geoprocessamento.
IMAGE PROCESSING TECHNIQUES FOR TRAINING
PHOTOINTERPRETERS IN VISUAL ASSESSMENT OF
WETLANDS AND BURNS OR FIRES SCARS
Abstract
Wetlands are one of the most valuable ecosystems on Earth,
which are subjected to strong human pressure (burning) and
natural processes such as fires. The Pantanal Sul-mato-grossense
is an example. Large-scale monitoring of wetlands is of great
ISSN: 2447-3359
REVISTA DE GEOCIÊNCIAS DO NORDESTE
Northeast Geosciences Journal
v. 7, nº 2 (2021)
https://doi.org/10.21680/2447-3359.2021v7n2ID23310

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 58
_________________________________________________________________________________________________
importance, but also challenging. A collection of images from the
Sentinel-2 satellite was used to characterize and monitor the
Pantanal Sul-mato-grossense. The objective was to evaluate
enhancement and spectral banding techniques for the
identification of patterns on the surface of wetlands and burns and
fires on the edge of the Pantanal Sul-mato-grossense. The
research selected two sample areas submitted to the spatial
enhancement process using the pixel resampling technique. The
composition SWIR2M(12)NIR(8)BLUE(2) is recommended as
the most suitable for visual interpretation of damp areas and scars
and spots from burns or fires. Visual interpretation is an agile
resource for a first approach to the evaluation and decision-
making process in terms of spatial and temporal monitoring
actions in wet areas.
Keywords: Wetlands; Pantanal; geoprocessing.
TECNICAS DE PROCESAMIENTO DE IMÁGENES
PARA ENTRENAMIENTOS DE
FOTOINTERPRETACIÓN EN LA EVALUACIÓN
VISUAL DE AREAS HÚMEDAS Y DE MANCHAS Y DE
CICATRICES DE QUEMADURAS O INCENDIOS
Resumen
Las zonas húmedas son uno de los ecosistemas más valiosos de
la Tierra, que están sujetos a una fuerte presión humana
(quemadas) y a procesos naturales como los incendios. El
Pantanal Sul-mato-grossense es un ejemplo. El monitoreo a gran
escala de las zonas húmedas es de gran importancia, pero también
desafiante. Se utilizó una colección de imágenes del satélite
Sentinel-2 para caracterizar y monitorear el Pantanal Sul-mato-
grossense. El objetivo fue evaluar técnicas de realce y bandas
espectrales para la identificación de patrones en la superficie de
zonas húmedas y del quemadas y incendios en el borde del
Pantanal Sul-mato-grossense. La investigación seleccionó dos
áreas de muestra sometidas al proceso de mejora espacial
utilizando la técnica de remuestreo de píxeles. La composición
SWIR2M(12)NIR(8)BLUE(2) se recomienda como la más
adecuada para la interpretación visual de zonas húmedas y
cicatrices y manchas de quemadas o incendios. La interpretación
visual es un recurso ágil para una primera aproximación al
proceso de evaluación y toma de decisiones en términos de
acciones de monitoreo espacial y temporal en zonas húmedas.
Palabras-clave: Zonas húmedas; Pantanal; geoprocesamiento.
1. INTRODUÇÃO
Áreas úmidas são consideradas como um dos ecossistemas
mais valiosos da Terra por suas funções ecossistêmicas, com
destaque à manutenção de mananciais (Slagter et al., 2020). Suas
funções ofereçam apoio crítico a pelo menos sete dos 17
principais objetivos de desenvolvimento sustentável, conforme
definido pelas Nações Unidas (RAMSAR CONVENTION, 2016).
Dependendo do tipo de zona úmida, algumas das suas qualidades
importantes são o armazenamento e purificação de água, proteção
da costa, processamento de carbono e outros nutrientes, segurança
alimentar e apoio a uma ampla riqueza de espécies vegetais e
animais (MILLENNIUM ECOSYSTEM ASSESSMENT, 2005;
RAMSAR CONVENTION, 2016).
Atualmente as áreas úmidas estão sendo perdidas a uma taxa
mais rápida do que qualquer outro ecossistema, principalmente
devido à atividade humana (MILLENNIUM ECOSYSTEM
ASSESSMENT, 2005). Para evitar mais perdas e implementar e
avaliar políticas de preservação, é de grande importância o
monitoramento e caracterização em larga escala de diferentes
tipos de áreas úmidas (Slagter et al., 2020).
A água superficial contém materiais orgânicos e inorgânicos
em sua composição e a sua resposta espectral é fortemente
influenciada por esses materiais (Sausen, 2007). Quando pura, a
maior intensidade de reflectância da energia eletromagnética
corresponde à região do visível (VIS). Conforme aumenta a
quantidade de sedimentos no corpo hídrico, o pico de reflectância
desloca-se na direção dos maiores comprimentos de onda,
aproximando-se da resposta espectral do solo, com taxa de
refletância alta na região do infravermelho distante (SWIR 2).
As áreas úmidas que não possuem lâmina d'água livre
apresentam valores espectrais semelhantes a áreas de incêndios e
a de pastagem e vegetação rasteira secas por conta da estiagem,
com mais de 40 cm de altura (Guo et al., 2017; Paranhos Filho et
al., 2006). Sensores ópticos embarcados em satélites, com
diferentes resoluções espectrais entre as regiões do VIS, VNIR
(região do visível e do infravermelho próximo) e SWIR 2, como
é o caso do Sentinel-2 (ESA, 2019), permitem a geração de
imagens com bandas modificadas para gerar composições falsa-
cor, realçando uma maior diferença de reflectância entre os alvos.
Isso é estratégico para detecção de alvos específicos em áreas
úmidas.
Entre as etapas de processamento digital está o realce que, sob
os critérios subjetivos do olho humano, visa melhorar a qualidade
da imagem auxiliando a discriminação dos alvos pelo
fotointérprete (INPE, 2019). Para isso, as técnicas de realce
modificam os níveis de cinza ou os valores digitais de uma
imagem através de funções matemáticas. É um procedimento de
reamostragem conhecido e amplamente utilizado em cenas
Landsat (USGS) porém ainda pouco explorado em cenas Sentinel.
A fotointerpretação é a técnica mais ágil de análise de imagens,
se valendo da técnica de realce por geração de composições
coloridas, para gerar resultados rápidos e eficientes (Silva et al.,
2021)
Buscou-se avaliar o realce de bandas derivadas do satélite
Sentinel 2, como suporte na identificação de padrões da superfície
de áreas úmidas e de queimadas ou incêndios no Pantanal Sul-
mato-grossense.
2. METODOLOGIA
As duas áreas selecionadas para este estudo (Figura 1), estão
no município de Rio Verde, Mato Grosso do Sul, e possui terrenos
submetidos a diferentes pulsos de inundação, o que influencia a
umidade do solo e fenologia das plantas. Também abrange áreas
úmidas com características do Cerrado e do Pantanal.

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 59
_________________________________________________________________________________________________
Figura 1 - Localização das duas áreas de análise na borda do Pantanal Sul-mato-grossense.
Utilizou-se cena do ano de 2018, de 11 de setembro, do
satélite de média resolução Sentinel-2 (USGS, 2018), disponível
na base de dados de domínio público Earth Explorer USGS
(2018). O satélite é consideravelmente novo, sendo que o seu
lançamento ocorreu em junho de 2015, e possui um instrumento
multiespectral (MSI) que adquire 13 faixas espectrais, sendo
quatro com resolução espacial de 10 m, seis com 20 m e três com
60 m (Figura 2). Suas imagens complementam o programa
americano Landsat (USGS), porém com maior largura de faixa e
maior resolução espacial.

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 60
_________________________________________________________________________________________________
Figura 2 - Bandas Espectrais Sentinel-2 divididas entre VIS, VNIR e SWIR, com suas respectivas resoluções espaciais. Hachuradas em
destaque estão as bandas modificadas 11M e 12M criadas com o realce. Os resultados obtidos podem ser verificados no capítulo 2.
Fonte: Adaptado de ESA (2019).
Após o download da cena, as operações de processamento das
imagens foram realizadas no software livre QGIS 2.18 (QGIS
Development Team, 2017). As bandas disponíveis no formato de
arquivo jp2, foram convertidas para geotiff. Devido a diferença
de resolução espacial entre as bandas do VNIR (10m) e dos SWIR
e SWIR-2 (20 m), foi necessária reamostragem para 10 m.
Utilizou-se a técnica de reamostragem por pixels que mantém os
valores de níveis digitais não resultando em dados estatísticos
alterados (Figura 3). É importante frisar que este procedimento
não melhora a resolução espacial, mas para compatibilizar a
resolução espacial dos pixels.
Figura 3 – Exemplificação do processo de realce espacial
utilizando a técnica de reamostragem por pixels.
Criadas as bandas SWIRM e SWIR 2M com resolução
padronizada para 10 m foi possível gerar uma imagem com seis
bandas espectrais (Red, Green, Blue, NIR, SWIRM e SWIR 2M).
Foram selecionadas seis composições falsa-cor para análise,
sendo uma com bandas do VIS, uma com faixas do VNIR e outras
quatro com as bandas reamostradas SWIRM e SWIR 2M. (Figura
4).

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 61
_________________________________________________________________________________________________
Figura 4 – Quadro com as seis composições falsa-cor com bandas Sentinel-2 MSI que serão analisadas: R(4)G(3)B(2),
Red(4)NIR(8)Green(3), NIR(8)SWIRM(11)Red(4), SWIR 2M(12)NIR(8)Blue(2), NIR(8)SWIRM(11)SWIR 2M(12) e SWIR
2M(12)SWIRM(11)NIR(8).
Para melhorar a acuidade visual do analista de imagens, na
identificação de alvos na etapa de fotointerpretação, os níveis de
cinza das imagens foram manipulados através de realce linear
MinMax. A técnica consiste em redistribuir linearmente os níveis
de cinza mantendo suas posições relativas (INPE, 2019).
3. RESULTADOS
Na composição R(4)G(3)B(2) (cor verdadeira) a água, a
vegetação e o solo exposto apresentam pouca variação de
tonalidades e cores, não possibilitando uma distinção das
superfícies estudadas (Figura 5). Pequenos caminhos d’agua
tornam-se imperceptíveis em meio à vegetação, assim como
lagoas presentes em torno do curso do rio. A composição RGB,
cor verdadeira, em geral possui pouca variação de tonalidades e
cores não possibilitando uma interpretação adequada de classes
do terreno, como por exemplo, os diferentes tipos de vegetação,
que é mais bem visualizado na composição falsa-cor. O recorte A
apresenta um grande curso d’água e massa vegetativa cercada de
várias porções de área úmida enquanto no recorte B há
principalmente áreas com marcas de incêndio ou queimada,
cicatriz de incêndio e resquícios de vegetação arbórea nativa.
Figura 5 – Composição R(4)G(3)B(2) (cor verdadeira) sendo
todas bandas do VIS do Sentinel-2 MSI.
No recorte B da Figura 5 há marcas de incêndio que
apresentam um tom mais azulado quando comparado às áreas
verdes escuras com vegetação. Nessa época do ano da qual a
imagem foi coletada (setembro), é recorrente ocorrer queimadas
por conta da baixa umidade relativa do ar e poucas chuvas. Na
Figura 6 estão os pontos de focos de queimadas da mesma época
da coleta da imagem (11 de setembro). Nota-se que os focos estão
bem no recorte de análise B.

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 62
_________________________________________________________________________________________________
Figura 6 – Focos de queimadas na área de análise B
evidenciando que nessa região para a mesma época houve
queimadas. Fonte:
http://queimadas.dgi.inpe.br/queimadas/bdqueimadas/
Em sequência, a composição RED(4) NIR(8) GREEN(3) é
composta apenas de bandas VNIR com resolução espacial 10 m
(Figura 7). Essa composição realça a vegetação com coloração
verde (NIR no canal verde), e apresenta grande reflectância das
massas fotossinteticamente ativas. As áreas úmidas apresentam
pouca diferenciação de regiões com solo exposto e marcas de
incêndio (ambas em coloração roxa), sendo esta diferenciada
principalmente pela textura. Nesta composição as marcas de
incêndio recentes (matiz roxa) também são bem diferenciadas das
cicatrizes de incêndios mais antigos (matiz esverdeada com
manchas escuras, Figura 7B), tornando perceptível o crescimento
inicial de vegetação na região. A faixa NIR do canal verde
destaca com grande nitidez as massas vegetativas no recorte A. Já
no recorte B há pouca diferenciação entre marcas de incêndio e
áreas úmidas devido à baixa reflectância destes nas bandas do VIS.
Figura 7 – Composição RED(4) NIR(8) GREEN(3) com bandas
VNIR do Sentinel 2 MSI.
Na composição NIR(8) SWIRM(11) RED(4) (Figura 8)
constatou-se que a água (azul escuro) e a vegetação (vermelho),
apresentaram boas definições de comparações, diferenciando
bem dos demais elementos de classe do solo. Já no recorte A, as
lâminas d’agua (verde musgo) apresentam uma coloração
diferente da água limpa (azul), porém confundem-se com marcas
de incêndio do recorte B.
Figura 8 – Composição NIR(8) SWIRM(11) RED(4) com bandas
modificadas Sentinel 2 MSI.
A água limpa do rio difere das lâminas d’água em
profundidade graças ao espectro do infravermelho que quanto
mais sedimentos na água o pico de reflectância se desloca na
direção dos maiores comprimentos de onda. Ainda assim, as áreas
com lâmina d’agua pronfuda ainda mostram coloração parecida
(verde musgo) com a de marcas e cicatrizes de incêndio.
Com a composição SWIR 2M(12) NIR(8) BLUE(2) foi
possível diferenciar áreas úmidas (coloração roxa) das demais
feições com nitidez (Figura 9A). A sensibilidade do
infravermelho distante com o próximo auxilia na distinção do
solo, separando-o em uma maior gama de cores e tornando o solo
exposto (coloração rosa claro) diferente das marcas de incêndio
(rosa mais escuro), conforme visualizado na Figura 9B. O recorte
B apresenta uma boa distinção dos solos com uma grande gama
de cores e o diferencia consideravelmente das marcas de incêndio.
Áreas úmidas, no recorte A, exibem coloração arroxeada e a água
limpa um tom azulado.
Figura 9 – Composição SWIR 2M(12) NIR(8) BLUE(2) com
bandas modificadas Sentinel 2 MSI.
A composição SWIR 2M(12) SWIRM(11) NIR(8) (Figura 10)
é a composição que diferencia melhor área úmida (cor verde
musgo) das áreas com marcas de incêndio (coloração alaranjada).
A composição destaca a vegetação em tons de azul mais escuro
que a anterior SWIR 2M(12) NIR(8) BLUE(2), tornando os

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 63
_________________________________________________________________________________________________
pequenos caminhos d’agua difíceis de serem identificados, além
de confundir a água limpa com a água com sedimentos.
Figura 10 – Composição SWIR 2M SWIRM-NIR com bandas
modificadas Sentinel 2 MSI.
A última composição NIR(8)SWIRM(11)SWIR 2M(12),
também com bandas SWIR, apresenta as áreas úmidas com
coloração esverdeada mais escura destoando consideravelmente
de marcas de incêndio (em azul), mas se aproximando da
coloração apresentada na cicatriz de incêndio (Figura 11). A
Faixa NIR no canal vermelho, dá destaque à vegetação.
Figura 11 – Composição NIR(8) SWIRM(11) SWIR 2M(12) com
bandas modificadas Sentinel 2 MSI.
Para um melhor entendimento de quais sensores e
combinações de bandas obtiveram os melhores resultados na
fotointerpretação visual de pulso de inundação e queimadas, o
Quadro 1 é apresentado com essas informações.
Quadro 1 - Quadro sintético das combinações de bandas e suas aplicações e também das melhores combinações na identificação visual
de áreas úmidas, marcas de incêndios ou queimadas, e de cicatrizes de incêndios ou queimadas. Legenda: AP = Apropriado; NP =
Não Apropriado.
Composição
Alvos Detectáveis
Aplicação
Identificação de
Áreas Úmidas
Identificação
de Marcas de
Incêndios ou
Queimadas
Cicatrizes
de
Incêndios
ou
Queimadas
R(4)G(3)B(2)
Água, vegetação e solo
possuem pouca
variação de
tonalidades. Pequenos
caminhos d’água são
imperceptíveis em
meio à vegetação
Pouca aplicação
NP
NP
NP
RED(4) NIR(8)
GREEN(3)
Identificação da
vegetação
fotossinteticamente
ativa. Baixa
diferenciação entre
marcas de incêndio e
áreas úmidas devido à
baixa reflectância
destas bandas
Aplicação no
monitoramento de
vegetação devido a
banda NIR no canal
verde dar ótima
resposta à vegetação
fotossinteticamente
ativa
NP
NP
NP

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 64
_________________________________________________________________________________________________
NIR(8)
SWIRM(11)
RED(4)
Água e vegetação
possuem boas
definições de
comparações. Água
limpa do rio difere bem
das lâminas d’água,
porém as lâminas
d’água confundem-se
com marcas de
incêndio
Boa combinação para
classificação
supervisionada,
principalmente para as
classes de vegetação,
água, áreas úmidas, e
solo exposto
AP
NP
NP
SWIR 2M(12)
NIR(8) BLUE(2)
Diferencia bem as áreas
úmidas, marcas de
incêndios ou
queimadas e cicatrizes
de incêndio
Combinação
apropriada para
estudos de
monitoramento de
áreas úmidas,
dimensionamento de
danos de incêndios ou
queimadas, e
monitoramento da
regeneração da
vegetação das
cicatrizes de incêndios
ou queimadas
AP
AP
AP
SWIR 2M(12)
SWIRM-NIR(11,8)
Áreas úmidas e marcas
de incêndio ou
queimadas. Confusão
na identificação das
classes de vegetação
com caminhos d’água e
entre áreas úmidas e
cicatrizes de incêndios
ou queimadas
Monitoramento das
áreas em que houve
queimadas ou
incêndios;
monitoramento de
áreas úmidas
AP
AP
NP
NIR(8)
SWIRM(11) SWIR
2M(12)
Boa diferenciação entre
áreas úmidas e marcas
de queimadas ou
incêndios; Vegetação
com boa diferenciação
Levantamento de
fitomassa, área de
vegetação
fotossinteticamente
ativa; monitoramento
AP
AP
NP

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 65
_________________________________________________________________________________________________
e destaque devido a
faixa NIR no canal
vermelho
de queimadas e
incêndios;
monitoramento de
áreas úmidas
4. DISCUSSÕES
O processo de realce espacial permitiu que tivéssemos a
disposição um maior número de bandas com resolução espacial
similar (10 m) aumentando as possibilidades para a composição
falsa-cor e viabilizando a diferenciação de mais alvos espectrais.
Teoricamente, nesse processo haveria perda de resolução
espectral. Porém na prática, neste trabalho esta perda não foi
significativa e permitiu uma melhor identificação dos alvos
espectrais em estudo. Salienta-se que por serem composições com
bandas espectrais de um satélite relativamente recente (lançado
em 2015) as vantagens constatadas podem advir da resposta à
radiação eletromagnética do sensor multiespectral MSI.
As composições geradas com as bandas modificadas SWIRM
e SWIR 2M identificaram alvos que seriam inviáveis com apenas
as bandas da região do VNIR. Nas composições R(4)G(3)B(2) e
R(4)N(8)G(3) as áreas úmidas apresentaram pouca diferenciação
de regiões com solo exposto e marcas de incêndio. O estudo até o
momento indica a composição SWIR 2M(12)NIR(8)BLUE(2)
como a melhor resposta fotointerpretativa de áreas úmidas,
apresentando e possibilitando diferenciá-las com nitidez das
diversas coberturas do solo.
Embora diferentes métodos tenham sido utilizados para o
mapeamento de áreas úmidas, o uso de dados de sensoriamento
remoto através de imagens de satélite, devido à resolução espacial
média do legado Landsat, ASTER ou outros satélites, ainda é
difícil, para análise em escala refinada, separar áreas úmidas de
outros tipos de cobertura do solo, sem o uso de dados adicionais,
provenientes de medidas de campo, modelos digitais de elevação,
LIDAR, etc. (Tiner et al., 2015; Kaplan & Avdan, 2018). A
técnica de reamostragem por pixels no realce de imagens orbitais,
para identificação de alvos e suporte ao monitoramento de áreas
úmidas a partir de dados do Sentinel-2 com resolução espacial de
10 m tem sido utilizada em vários estudos (Wang et al., 2016;
Kaplan, 2018; Wald, 2000). Embora todos os estudos tenham
mostrado resultados semelhantes, uma comparação recente entre
as metodologias utilizadas, mostraram que o uso da média das
bandas de alta resolução para produzir a banda pancromática
ausente fornece os melhores resultados. Quanto ao método de
reamostragem por pixels, forneceu valores quantitativos e
qualitativos próximos aos valores ideais (Kaplan, 2018).
Zonas úmidas são difíceis de separar das outras coberturas
similares, e o realce de imagens em reamostragem por pixels com
imagens Sentinel-2 tem sido usado no mapeamento da cobertura
e umidade do solo (Gao et al., 2017 ; Clerici et al., 2017). O uso
da faixa térmica em conjunto com outras faixas do espectro
facilita a visualização de áreas úmidas e das áreas com marcas de
queimadas ou de incêndios. A combinação das faixa de valores
de radiância NIR e SWIR pode fornecer maior diferenciação de
áreas com marcas e cicatrizes de queimadas e de incendios de
outros elementos, conseqüentemente, a distinção mais precisa no
subconjunto restante. O processo de classificação e combinação
de bandas eletromagnéticas compartimentaliza a paisagem com
base em sua variabilidade e, portanto, se a variância dentro da
classe para uma determinada banda tiver sido substancialmente
reduzida, sugere que essa banda é fundamental para caracterizar
a classe que se pretende identificar. Uma vez que as diferentes
combinações fornecem um conjunto que mostra que a
combinação da banda térmica contribui com a maior parte da
variância em todo o subconjunto da áreas amostrais, e ainda assim
as classes de áreas com marcas de queimadas ou de incêndios
mostram a banda térmica como tendo os menores desvios padrão,
evidenciando a banda térmica como a chave para identificar essas
classes. Embora as combinações das bandas espectrais aqui
estudadas indiquem quais bandas são centrais para interpretar as
classes de áreas úmidas e de áreas queimadas, é também a
combinação geral de valores entre as bandas que deve finalmente
determinar a identificação dassas classes. Para classes de áreas
queimadas, os valores de emissão térmica precisam ser menores
do que aqueles de outras classes de área exposta, embora também
tenham valores de SWIR mais baixos em relação a outros tipos
de superfície (Roy et al., 2019).
Essas combinações espectrais aumentam a confiança na
classificação na ausência de dados de verdade terrestre da área
queimada, ou seja, pode-se ter mais certeza de que as classes de
área queimada "altamente provável" realmente estão todas
queimadas e não incluem outros tipos de superfície/classes. No
entanto, persiste a questão da subestimação da extensão das áreas
queimadas. Isso ocorreria quando os valores de pixel refletem
tipos de cobertura mistos, seja porque apenas uma parte de sua
área foi queimada, ou porque eles estão em áreas de incêndios
anteriores que podem já ter alguma rebrota da vegetação
(Stroppiana et al., 2002; Li et al., 2000).
5. CONSIDERAÇÕES FINAIS
Após análise detalhada, as técnicas de combinações das
bandas espectrais aqui trabalhadas, forneceram informações
importantes sobre quais são as melhores combinações na
identificação de áreas queimadas e áreas úmidas. Isso foi
proporcionado por uma interpretação fotointerpretativa cuidadosa
dos dados analisados. Como todos os dados de imagem Sentinel-
2 estão disponíveis gratuitamente, as técnicas de identificação de
áreas úmidas e de machas e cicatrizes de queimadas e incêndios
descritas aqui, podem ser derivadas para qualquer outra área de
estudo com características diferentes das aqui analisadas, uma vez
que o comportamento espectral dos elementos de queimadas e de
áreas úmidas são similares. Este trabalho pode ser estendido por

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 66
_________________________________________________________________________________________________
uma porção maior e por períodos de tempo mais longos para
produzir um banco de dados mais rico para pesquisas de ecologia
do fogo e ecologia de áreas úmidas. Os dados resultantes são a
base para pesquisas em andamento focadas no desenvolvimento
de técnicas na identificação e delineamento de áreas úmidas e de
manchas e cicatrizes de queimadas e incêndios, e, o mais
importante, monitoramento digital da dinâmica de cobertura do
solo.
A abordagem de classificação e combinação espectral de
bandas modificadas, deve ser útil para outros pesquisadores que
trabalham com áreas úmidas e áreas queimadas em áreas úmidas.
O método se beneficiaria com testes em outros estudos de caso,
particularmente onde a verificação de solo em tempo real de áreas
queimadas e úmidas pode ser feita. Uma análise de série de curto
prazo que monitorou o recrescimento da vegetação após um
incêndio em uma única estação seca permitiria uma maior
confiança na interpretação das classes de área queimada
"possível" e, assim, reduzir a probabilidade de erros de omissão.
6. REFERÊNCIAS
CLERICI, N.; VALBUENA CALDERÓN, C. A.; POSADA, J.
M. Fusion of Sentinel-1A and Sentinel-2A data for land
cover mapping: a case study in the lower Magdalena region,
Colombia. Journal of Maps, v. 13, n. 2, 718726, 2017.
ESA. European Space Agency. Sentinel 2 MSI User Guides.
Disponível em <https://sentinel.esa.int>. Acesso em: 20 jul.
2019.
GAO, Q.; ZRIBI, M.; ESCORIHUELA, M. J.; BAGHDADI, N.
Synergetic use of Sentinel-1 and Sentinel-2 data for soil
moisture mapping at 100 m resolution. Sensors, v. 17, n. 9,
1966, 2017.
GUO, M. et al. A Review of Wetland Remote Sensing. Sensors,
v. 17, p. 777, 2017. 10.3390/s17040777
INPE. Teoria: Processamento de Imagens. Disponível em:
<http://www.dpi.inpe.br/spring/teoria/realce/realce.htm>.
Acesso em: 5 de ag. 2019.
KAPLAN, G.; AVDAN, U. Sentinel-1 and Sentinel-2 Data
Fusion for Mapping and Monitoring Wetlands, Preprints,
2018070244, 2018.
KAPLAN, G. Sentinel-2 Pan Sharpening—Comparative
Analysis. Proceedings, v. 2, 345, 2018.
LI, Z.; NADON, S.; CIHLAR, J.; STOCKS, B. Satellite-
basedmapping of Canadian boreal forest fires: evaluationand
comparison of algorithms. Int J Remote Sens, v. 21, n. 16,
3071–3082, 2000.
MILLENNIUM ECOSYSTEM ASSESSMENT. Ecosystems and
Human Well-Being: Wetlands and Water. Washington DC,
2005.
PARANHOS FILHO, A. C. et al. Sensoriamento Remoto do
Complexo Aporé-Sucuriú. In: Biodiversidade do Complexo
Aporé-Sucuriú : subsídios à conservação e ao manejo do
Cerrado: área prioritária 316-Jauru. Org: Teresa Cristina
Stocco Pagotto, Paulo Robson de Souza. Campo Grande,
MS: Ed. UFMS, 2006. 308 p.
QGIS Development Team. QGIS Geographic Information
System. Open Source Geospatial Foundation. Versão
2.18.23. 14-Las Palmas. 2017. Disponível em: <http://www.
qgis.org/pt_BR/site/index.html>.
RAMSAR CONVENTION. The 4th Strategic Plan 2016 – 2024.
Gland, Switzerland, 2016.
ROY, D. P.; HUANG, H.; BOSCHETTI, L.; GIGLIO, L.; YAN,
L.; ZHANG, H. H.; LI, Z. Landsat-8 and Sentinel-2 burned
area mapping - A combined sensor multi-temporal change
detection approach. Remote Sensing of Environment, v. 231,
111254, 2019.
SLAGTER, B.; TSENDBAZAR, N.; VOLLRATH, A.; REICHE,
J. Mapping wetland characteristics using temporally dense
Sentinel-1 and Sentinel-2 data: A case study in the St. Lucia
wetlands, South Africa. Int J Appl Earth Obs
Geoinformation, v. 86, 102009, 2020.
SAUSEN, T. M. Sensoriamento remoto e suas aplicações para
recursos naturais. Apostila de sensoriamento remoto INPE.
Disponível em:
http://www3.inpe.br/unidades/cep/atividadescep/educasere/
apostila.html. Acesso em: 5 ag. 2019, v. 29, n. 05, 2007.
SILVA, I. T. et al. Identification of Continental Wetlands Using
Different Orbital Remote Sensors. Terr@Plural, v.15, p. 1-
25, e2115518, 2021. 10.5212/TerraPlural.v.15.2115518.001
STROPPIANA, D.; PINNOCK, S.; PEREIRA, J. M. C.;
GRÉGOIRE, J-M. Radiometric analysis of SPOT-
VEGETATION images for burnt area detection in northern
Australia. Remote Sens Environ, v. 82, n. 1, 21–37, 2002.
TINER, R. W.; LANG, M. W.; KLEMAS, V. V. Remote Sensing
of Wetlands: Applications and Advances. CRC Press, 2015.
574p.
USGS. United States Geological Survey. Imagens Sentinel 2A
sensor MSI. Órbita/Ponto: 21KYV. Data de Passagem 11 de
setembro de 2018. Disponível em:
<https://earthexplorer.usgs.gov/>. Acesso em: 10 abr. 2019.

Silva, I. T. et al., Rev. Geociênc. Nordeste, Caicó, v.7, n.2, (Jul-Dez) p.57-67, 2021 67
_________________________________________________________________________________________________
WALD, L. Quality of high resolution synthesised images: Is there
a simple criterion? in Third conference" Fusion of Earth
data: merging point measurements, raster maps and remotely
sensed images". Sophia Antipolis, 99-103, 2000.
WANG, Q.; SHI, W.; LI, Z.; ATKINSON, P. Fusion of Sentinel-
2 images. Remote sensing of environment, v. 187, 241-252,
2016.
7. AGRADECIMENTOS
Os autores agradecem ao Programa de Pós-Graduação em
Tecnologias Ambientais (PPGTA), da Faculdades de
Engenharias, Arquitetura e Urbanismo (FAENG) da Fundação
Universidade Federal de Mato Grosso do Sul (UFMS).
Agradecem também ao Programa de Pós-Graduação em
Gestão e Tecnologia Ambiental (PGGTA), da Universidade
Federal de Rondonópolis, Mato Grosso.
O presente trabalho foi realizado com apoio da Coordenação
de Aperfeiçoamento de Pessoal de Nível Superior - Brasil
(CAPES) - Código de Financiamento 001.
Agradecemos ainda a CAPES pela bolsa de doutorado de
Dhonatan Diego Pessi, processo número 88887.494036/2020-00,
e ao CNPq (Processos 441975/2018-6 e 315170/2018-2).
Agradecemos também a CAPES pelo acesso ao Portal de
Periódicos.
Também, ao CNPq (Conselho Nacional de Desenvolvimento
Científico e Tecnológico) pela bolsa de produtividade em
pesquisa de A. C. Paranhos Filho (CNPq Processo 305013/2018-
1).
__________________________________________________
Recebido em: 11/11/2020
Aceito para publicação em: 05/05/2021